Cone Beam Ct
PulseAugur coverage of Cone Beam Ct — every cluster mentioning Cone Beam Ct across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的基于斑点的方法可减少CT扫描中的金属伪影
研究人员开发了一种新的方法，用于减少锥束计算机断层扫描（CBCT）扫描中的伪影，特别是金属植入物引起的伪影。这种新颖的方法利用了集成在高斯斑点（Gaussian Splatting）框架内的受物理启发的自校准技术。它通过结合多色X射线投影模型和材料依赖的衰减曲线来解决束硬化伪影问题，无需手动金属掩模。该方法还在训练期间优化了X射线光谱特性，并在伪影抑制和重建精度方面展示了优于现有最先进方法的性能。
-
新型斑点法可减少CT扫描中的金属伪影
研究人员开发了一种新颖的基于斑点法的框架，用于减少锥束CT扫描中的金属伪影。该方法在连续高斯表示中融入了基于物理的多色正向模型，能够有效地联合优化几何和材料属性。该框架能够有效捕捉生物组织和金属植入物中与能量相关的衰减，从而在保留精细结构的同时解释金属引起的非线性。实验表明，与现有的重建方法和神经场方法相比，该方法收敛速度更快，伪影抑制效果更好。
-
新 CBCT-IQ 数据集发布，用于医学图像质量评估
研究人员推出了 CBCT-IQ，这是一个新的、公开可用的数据集，旨在推进锥束计算机断层扫描 (CBCT) 中的图像质量评估。该数据集包含 1,764 张带注释的图像切片，由三位临床专家对整体质量和感兴趣区域进行评分。它旨在通过提供一个标准化的基准来开发和验证 CBCT 成像中的定量图像质量评估方法，从而克服主观和耗时的手动评估的局限性。
-
$K$-NeAS 使用神经SDF推进多材料CT重建
研究人员开发了 $K$-NeAS，一种用于可扩展多材料CT重建的新型架构。该系统利用神经符号距离函数（SDF）和高斯混合模型（GMM）来自动进行衰减边界确定，无需手动调整。$K$-NeAS 可以模拟任意数量的重叠组织，并已证明具有卓越的 3D 体积保真度，尤其是在腹部等复杂多组织区域，其性能优于现有的单材料基线。
-
用于锥束CT的可微移变SV-FBP在轨迹不规则情况下表现出鲁棒性
研究人员分析了用于锥束CT重建的可微移变FBP（SV-FBP）框架，发现其对不规则和不连续的源轨迹具有鲁棒性。该框架的性能更多地取决于采样点的空间分布，而非轨迹的连续性。虽然在稀疏视图条件下计算时间显著减少且具有竞争力，但由于缺乏迭代数据一致性，在严重欠采样情况下性能会下降。SV-FBP模型在无需架构更改的情况下也适用于非平面多等中心几何结构。
-
自监督视觉 Transformer 在 TMJ OA 检测方面显示出潜力
研究人员探索了自监督视觉 Transformer（特别是 DINO 系列）从锥形束 CT (CBCT) 扫描中检测颞下颌关节骨关节炎 (TMJ OA) 的有效性。他们的研究发现，部分解冻最后两个 Transformer 块将分类的曲线下面积 (AUC) 从 0.671 显著提高到 0.902。这种适应策略比骨干模型本身的选择更关键，为在低数据医学成像场景中应用这些模型提供了实用见解。
-
新的神经网络方法以更少的伪影重建CT扫描
研究人员开发了一种新的自监督3D重建框架，用于锥束CT（CBCT），以解决数据截断伪影问题。该方法利用神经场景表示将空间坐标映射到放射密度，绕过了传统的重建操作，并能够外推到原始视场之外。为了保留通常会被神经网络丢失的高频纹理，集成了一个基于物理的迭代细化模块，将神经网络的伪影抑制与迭代算法的细节保留相结合。
-
SynthRAD2025挑战赛展示AI改进放疗用合成CT
SynthRAD2025挑战赛报告详细介绍了为放疗计划生成合成CT（sCT）图像的进展。今年的挑战赛重点是将MRI或锥束CT（CBCT）转换为等效CT图像，评估方法涵盖了跨不同身体区域的2300多名患者病例。深度学习模型显示出显著的改进，尤其是在CBCT到CT的转换方面，但在MRI到CT的准确性方面仍存在挑战，特别是在基于剂量的验证方面。
-
扩散模型增强逆问题和稀疏视图CT的图像重建
研究人员正在开发新方法，利用扩散模型从有限数据中改进图像重建。一种方法通过结合现有模型，从单个观测中优化扩散先验，在黑洞成像等应用中显示出前景。另一种技术，条件扩散后验对齐（CDPA），通过将2D扩散模型条件化于初始3D重建并将其与测量投影对齐，实现了可扩展的3D稀疏视图CT重建。第三种方法DiffNR，通过使用名为SliceFixer的扩散模型来纠正伪影并提供辅助监督，从而增强稀疏视图CT的神经表示，提高了重建质量和效率。